GPT未竟的革命,由o1接棒:或是LLM研究最重要的发现

2025-07-11 08:52:13 - 事点

天下武功唯快不破,竟的接棒键但 OpenAI 不走寻常路,革命新出的由o研究 o1 系列宣告天下:

我们更慢,但更强了。最关

o1 要花更多的发现时间思考问题,再做出反应,竟的接棒键但在复杂推理层面直接窜了几个档位。革命

在国际数学奥林匹克 (IMO) 资格考试中,由o研究GPT-4o 仅正确解决了 13% 的最关问题,而 o1 得分为 83%。发现

好家伙,竟的接棒键这数学水平,革命上一次见面还是由o研究小学生,现在直接博士毕业了?最关

OpenAI 也很得意,表示 o1 已经达到AI能力新高度了,发现所以直接把计数重置到1,开启新的大模型系列 OpenAI o1。

本次 OpenAI o1系列分为三个型号,最强但还未发布的 o1,o1 的预览版 o1-preview,和性价比最高的轻量版 o1-mini。

之前的 GPT 系列还被诟病更新“挤牙膏”,没想到 OpenAI 一直都是老样子,不鸣则已一鸣惊人,直接给 AI 界来了个大大大地震。

综合网络对于 o1 的报道和评论,我们注意到几个关键信息:

这可能是Scaling Law提出以来,LLM领域最关键的发现。这一进展的核心是推理时间和参数规模两条曲线的协同作用,而不是单一曲线;

与强化学习的完美结合,可能为我们指明了通往人工通用智能(AGI)的有效路径(此前AI科技评论8月28日曾举办《大模型时代的强化学习》网络研讨会,讨论了强化学习与大模型的结合,感兴趣的朋友点击下方链接进行回看);

o1 并非 GPT-4o 的升级版本,目前仍然无法解决像黎曼假设这样极其复杂或开放的问题,也没能解决幻觉问题。

OpenAI 对大模型的这次重新构想,无疑将对大模型的未来走向和整个AI领域的格局产生深远作用。


OpenAI的又一里程碑

奥特曼表示,o1 是他们迄今为止功能最强大、最一致的模型系列,只是使用的时候要花更多时间(凡尔赛了)。

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

如图所示,o1 在绝大多数重推理任务中显著优于 GPT-4o

正在休长假、沉寂了一个月的 OpenAI 的另一位联创 Greg Brockman 洋洋洒洒写了一长段推文,表扬了 o1 的超强性能,并特别指出 o1 是第一个使用强化学习训练的模型,会在回答问题之前进行深入的思考。

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

lmsys 也马上在 Chatbot Arena 更新了 o1-preview 和 o1-mini,欢迎大家测试。

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

参与研发o1的 Shengjia Zhao 很谦虚地表示,o1 并不是完美的,也不会适合所有事情。不过人们能感受到它潜力无限,并再一次感受到 AGI。

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

Jim Fan 认为,o1 透露出的研究进展可能是自 2022 年 OG Chinchilla 缩放定律以来 LLM 研究中最关键的发现。

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

他还提到了两篇近期发表的关于 Scaling Law 的论文,并指出 OpenAI 早已意识到这一点,并通过 o1 证实了这些发现。

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现


大模型+强化学习=AGI?

大模型与强化学习的结合是近几年来的热门研究方向之一。

大模型的泛化能力和背景知识与强化学习的交互学习和任务优化相结合,可以创建出能够更好地适应复杂环境、解决多任务问题、并提供更高效和可解释决策的智能系统。这种互补性使得两者的结合成为推动机器智能增长的关键方向。

o1 大模型的发布,首次证明了语言模型可以进行真正的强化学习。而 OpenAI 的一位研究员说,o1 证明了强化学习才是通往 AGI 道路上的必备要素(RL研究者狂喜)

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

OpenAI 另一位专注推理的研究员也说,通过强化学习,o1 能够在做出反应进行“思考”,让他们不用再受预训练的瓶颈限制,终于可以做扩展推理计算了。

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

强化学习和LLM可以说是非常适配了,只不过在 o1 之前还没有人能用 LLM 真正实现强化学习。

之前就有人说,模仿是 LLM 训练的基础,而模仿其实就是强化学习的问题。

DeepMind 的新论文也有提到,与监督学习相比,强化学习可以更好地利用序列结构、在线信息并进一步提取奖励。

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

领导 DeepMind 强化学习研究小组的David Silver,也在前段时间的演讲中强调,“需要重新关注强化学习,才能走出 LLM 低谷。”


局限

不过,一众好评声中,也有人指出了 o1 存在的一些问题。

Andrej Karpathy 在测试后发推特说,o1-mini 还是有大模型的老毛病,问它黎曼假设这类复杂问题就偷懒逃避。

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

Gary Marcus 认为 o1 并不是通用机器智能(AGI),甚至离 AGI 还很远。

他尖锐地点出了 o1 的八条问题,从多个方面批评了o1模型的细节披露不足、改进不够全面,认为实际测试与宣传间存在差距,并提醒消费者要慎重。

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

Hugging Face 的 CEO 也表示,AI 并不是在思考,只是在在“处理”、“运行预测”……和谷歌或者计算机做的事情是一样的。这种工艺系统是人类的错误印象,只是廉价的骗术和营销手段,让人误以为它比实际更聪明。

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

OpenAI 自己也承认了 o1 的不足。在一些自然语言任务测试中,尤其是写作能力方面,GPT-4o 还是更胜一筹。

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

并且,o1 的推理依然存在缺陷,在实现质的提升的同时也没能解决LLM的幻觉问题。

著名程序员、Django Web 框架的联合创建者 Simon Willison 在推特上收集在 GPT-4o 上推理失败,但在 o1 成功的例子,只找到了几个让他满意的案例。他认为从推理来看,o1 并不是 GPT-4o 的升级版。

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

他在博客中写道,o1 并不是简单的 GPT-4o 升级版,而是通过在成本和性能方面引入重大权衡,换取了更进一步的推理能力。

很明显,o1 和 GPT-4o 代表大模型的两个不同方向。OpenAI 也提到,以后会分别研发升级两个模型,这意味着,过去适用于 GPT-4o 的 Prompt 技巧未必同样适用于 o1。


实测

那么,o1 的表现到底怎么样呢?

在 Toqan 的排行榜中,我们可以看到 OpenAI O1 模型在 ProLLM StackUnseen 基准测试中表现出来的水平,比 SOTA 要高出 20%。

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

elvis 做了详细测试,他提到 o1-preview 能够一次性解决很多难以回答的问题,包括很多当前大型语言模型(LLMs)难以处理的数学问题。

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

他的完整测试影片已经上传YouTube,可以点击以下链接观看:

https://www.youtube.com/watch?v=xJJ2h3wQByg

OpenAI 首席研究官 Bob McGrew 在The Verge的采访中说,“从根本上说,o1 是一种新的模型模式,能够解决真正困难的问题,从而达到与人类相似的智能水平。”雷峰网雷峰网(公众号:雷峰网)

o1-preview和o1 mini已经带给我们这么多惊喜,不敢想最后发布的o1到底能有多强悍,让我们拭目以待。


雷峰网原创文章,未经授权禁止转载。详情见转载须知。

GPT未竟的革命,由o1接棒:或是LLM研究最关键的发现

- END -

77

共襄学术盛宴,共话产业发展,2024中国图象图形大会在西安圆满落幕

共襄学术盛宴,共话产业发展,2024中国图象图形大会在西安圆满落幕

2024年5月24-26日,中国图象图形大会CCIG 2024)在西安隆重召开。本次大会由中国图象图形学学会主办,空军军医大学、西安交通大学、西北工业大学承办,陕西省生物医学工程学会、陕西省图象图形学

《酱园弄·悬案》热度高口碑分化 故事情节等引发争议

《酱园弄·悬案》热度高口碑分化 故事情节等引发争议

来源标题:《酱园弄·悬案》热度高口碑分化 故事情节等引发争议由陈可辛执导,章子怡、雷佳音等主演的电影《酱园弄·悬案》正在热映,也掀起了今年暑期档的第一浪。该片公映当天取得了9005万元的

从上海电视节白玉兰论坛看短剧趋势,听花岛坚持价值思维与题材创新

从上海电视节白玉兰论坛看短剧趋势,听花岛坚持价值思维与题材创新

来源标题:从上海电视节白玉兰论坛看短剧趋势,听花岛坚持价值思维在近日举行的第30届上海电视节白玉兰电视论坛——“融合与共生,微短剧创新与发展论坛”上,国

文脉传承 戏韵流芳 《国风超有戏音乐会》走进广东新兴县

文脉传承 戏韵流芳 《国风超有戏音乐会》走进广东新兴县

来源标题:文脉传承 戏韵流芳 《国风超有戏音乐会》走进广东新兴县 中央广播电视总台原创国风音乐唱演节目《文脉传承·戏韵流芳——国风超有戏音乐会》即将在6月21日1

别再声讨零一万物了

别再声讨零一万物了

最近两天,由原阿里技术副总裁、深度学习框架 Caffe 发明者贾扬清一则朋友圈引发的关于“国内某大厂新模型套壳 LLaMA 架构”的问题在中国人工智能圈与科技媒体中产生了热烈讨论。由于贾扬清在国内 A

被镜与花映照的茶花女: 是情的升华,更是勇的光辉

被镜与花映照的茶花女: 是情的升华,更是勇的光辉

来源标题:被镜与花映照的茶花女: 是情的升华,更是勇的光辉罗兰·巴特又说对了,只要世界上还有地方在上演《茶花女》,就会提醒我们爱的神话可能依然在延续。6月7日、8日,上海芭蕾舞团在上海Y

乌兰图雅演唱亚非妇促会会歌《爱在亚非》发布

乌兰图雅演唱亚非妇促会会歌《爱在亚非》发布

来源标题:乌兰图雅演唱亚非妇促会会歌《爱在亚非》发布 2025年6月17日,“笔墨传情,大爱无疆”亚非妇女发展与权益保障促进会会歌《爱在亚非》发布会,在北京金台艺术馆盛大启幕。

观光巴士如何接住《酱园弄》带来的流量

观光巴士如何接住《酱园弄》带来的流量

来源标题:观光巴士如何接住《酱园弄》带来的流量“跟着《酱园弄》去旅行”定制巴士在外观上做了精心设计。受访者供图)“这条路线简直是把电影史从教科书里‘搬&

日本首相石破茂:赌上国运战斗,不能被美国看扁

日本首相石破茂:赌上国运战斗,不能被美国看扁

据环球网援引日本共同社报道,日本首相石破茂9日在为自民党参议院选举候选人拉票时,在街头演讲中谈到日美关税谈判。石破茂向日本民众表示,关税谈判“是场赌上国家利益的战斗,怎么能忍受被对方看扁。”石破茂9日

热血逆袭+明星顾客+爆笑经营!《微笑一号店》真实展现青年创业的酸甜苦辣咸

热血逆袭+明星顾客+爆笑经营!《微笑一号店》真实展现青年创业的酸甜苦辣咸

来源标题:热血逆袭+明星顾客+爆笑经营!《微笑一号店》真实展现青年创业的酸甜苦辣咸 爱奇艺经营纪实互动真人秀《微笑一号店》本周迎来了激动人心的新阶段,节目中的哈尔滨、横店、深圳店及流动咖啡车顺利完成3

苏超联赛火热开赛,正大九力氨糖强势助力守护球员关节

苏超联赛火热开赛,正大九力氨糖强势助力守护球员关节

来源标题:苏超联赛火热开赛,正大九力氨糖强势助力守护球员关节自6月21日起,备受瞩目的正大九力正式登录江苏卫视“苏超联赛”直播及《江苏超会玩》节目,为江苏13市足球盛典增添强大

“歌游内蒙古”北疆文化活动季主题演出 乌兰图雅乐队火力全开 万人合唱嗨翻全场

“歌游内蒙古”北疆文化活动季主题演出 乌兰图雅乐队火力全开 万人合唱嗨翻全场

来源标题:“歌游内蒙古”北疆文化活动季主题演出 乌兰图雅乐队火力全开 万人合唱嗨翻全场 纵歌北疆,情醉内蒙古。6月22日晚8时,第二场“歌游内蒙古”北疆文化活动季启动主题演出在